Geri Dön

Doğrusal olmayan sistemlerin sinir ağları kullanılarak tanıyımı ve denetimi

Identification and control of nonlinear systems using neural networks

  1. Tez No: 244789
  2. Yazar: UMUT MENET
  3. Danışmanlar: PROF. DR. HÜSEYİN DEMİRCİOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 120

Özet

Sinir ağları son yıllarda doğrusal olmayan ilişkileri öğrenebilme yetenekleri ile dinamik sistemlerin modellenmesi, sinyal işleme ve denetim sistemleri başta olmak üzere, değişik alanlarda klasik yöntemlere güçlü bir alternatif olarak ortaya çıkmıştır. Bu çalışmanın ilk kısmında, çeşitli sinir ağı yapıları ve eğitimleri hakkında genel bilgi verilmiştir. İkinci kısımda sinir ağlarının doğrusal olmayan sistemleri modelleyebilme özellikleri incelenmiş ve bu yetenekleri değişik sistemler üzerinde test edilmiştir.Doğrusal olmayan sistemleri modelleyebilmeleri ile yapay sinir ağlarının doğrusal olmayan sistemlerin denetlenmesi için kullanılması mümkün olmuştur. Literatürde değişik yapıda yapay sinir ağı temelli denetim yöntemleri mevcuttur. Çalışmanın son kısmında, yapay sinir ağlarının, bu yöntemler arasından seçilen Genelleştirilmiş Öngörülü Denetim ve Model Dayanaklı Denetim yöntemlerindeki uygulamaları incelenmiş olup denetim başarımları farklı sistemler üzerinde test edilmiştir.

Özet (Çeviri)

In recent years, neural networks, with their ability to learn nonlinear relationships, emerge as strong alternatives to conventional methods in several areas, modelling of dynamic systems, signal processing, and control system design being some of the most common. In the first part of this work, general information regarding different neural network structures and their training methods are given. In the following part, the ability of neural networks to model nonlinear systems is investigated and their performance are tested using different nonlinear systems.Their ability to succesfully identify nonlinear systems makes neural networks prime candidates for the design of nonlinear controllers. Among various control methods employing neural networks, neural network based Model Reference Control and Generalized Predictive Control methods are investigated and their performance tested using different systems.

Benzer Tezler

  1. Çimento endüstrisinde hammadde harmanlama prosesinin klasik ve akıllı yöntemler ile modellenmesi

    Modling of raw material blending process in cement industry using conventional and intelligent techniques

    KEMAL KIZILASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. ŞENİZ ERTUĞRUL

  2. Doğrusal olmayan sistemlerin yapay sinir ağları kullanılarak kimliklendirilmesi

    Identification of nonlinear systems by using artificial neural networks

    HASAN ZORLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. ŞABAN ÖZER

  3. Enzimatik reaksiyonlara ait kinetik katsayıların cevap yüzeyi metodu ve yapay sinir ağları kullanılarak saptanması

    Determination of kinetic constants of enzymatic reactions using response surface methodology and artificial neural networks

    DENİZ BAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Gıda MühendisliğiHacettepe Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    DOÇ.DR. İSMAİL HAKKI BOYACI

  4. Adaptive inverse optimal controller design for non-affine nonlinear systems using machine learning techniques

    makine öğrenmesi teknikleri kullanarak doğrusal ve afin olmayan sistemler için adaptif ters optimal kontrolör tasarımı

    MUHAMMET EMRE SANCI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLAY ÖKE GÜNEL

  5. Neural network control of nonlinear systems.

    Yapay sinir ağlarından yararlanarak doğrusal olmayan sistemlerin kontrolü.

    ALPTEKİN FADILOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    1992

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    PROF. DR. YORGO ISTEFANOPULOS